Espace client
News

10h11 a remporté le HACKATHON Geodis Smart Warehouse

Découvrez les raisons qui ont incité notre équipe à se déplacer sur ce challenge ainsi que le déroulé de cette opération.

Le 8 novembre 2018, 10h11 a participé au Hackathon Geodis Smart Warehouse et a remporté le prix dédié à la datavisualisation. À cette occasion, nous avons souhaité partager cette expérience avec vous, en vous expliquant en détail le travail qui a pu être effectué en data science et datavisualisation.

Pourquoi avons-nous décidé de participer ?

Tout d’abord, c’est l’un des rares HACKATHON qui proposait un mix datascience et datavisualisation, c’est à dire la capacité à prédire et interfacer des données dans un même service. Ce double objectif étant similaire aux demandes de nos clients comme à notre savoir-faire, nous avons pris la décision de fournir une réponse à ce hackathon.

Comment s’est déroulé le HACKATHON ?

Nous avons pu obtenir un set de données en amont du HACKATHON pour commencer à construire notre approche scientifique. Le sujet : prédire les entrées et les sorties des entrepôts Geodis. En parallèle, nous avons imaginé un service qui permettrait de visualiser les résultats, mais aussi de faire en sorte que l’usage du service construise nativement une base de données en temps réel. Ainsi, l’outil devient un actif technologique prenant de la valeur par son usage.

Ensuite, nous disposions de 24h avec Geodis pour présenter notre concept, nos premiers résultats et ajuster l’ensemble pour remporter le HACKATHON.

Comment s’est déroulé le HACKATHON ?

  • Un moteur prédictif

Pour construire le moteur prédictif d’entrée et de sortie d’entrepôt Geodis, nous avons déployé une méthodologie scientifique basée sur un historique de préparation par jour que nous avons consolidé. Nous avons considéré 4 variables principales sur lesquelles nous avons appliquées un feature engineering, c’est à dire la conception de nouvelle variable issue des variables présente dans la base de données d’origine. Le paramètre initial était la période de prédiction selon la demande du client et notre critère de performance le RMSE (Root Mean Squared Error).

  • Un service de visualisation

Afin d’aider le personnel d’entrepôt, nous avons conceptualisé une app mobile permettant de visualiser les entrées et sorties prédites par le moteur prédictif. En parallèle, l’app permet d’ajuster les zones de stockage de chaque entrée ou sortie programmée en fonction de son indice de rotation (l’indice de rotation est l’indice permettant de définir la fréquence de sortie d’un colis sur une palette. Plus l’indice est fort, plus la palette concernée doit être située proche des zones de sorties de l’entrepôt). L’objectif est ici de limiter les déplacements de chaque personne dans l’entrepôt et d’optimiser la gestion de l’emplacement des stocks par l’usage réel qui en est fait. Enfin, l’app devient « intelligente » car elle permet de stocker rapidement chaque opération d’entrée et de sortie de l’entrepôt. Par ce système, l’indice de rotation est mis à jour en temps réel, l’app apprend de son usage via le moteur prédictif basé sur du « machine learning ». L’outil permet alors d’ajuster l’usage de l’entrepôt par la compréhension des rotations colis et cela en quasi-temps réel. L’historique de base est pluggé à un algorithme qui propose des usages. Le service, par son usage, crée ensuite de nouveau un historique qui permet à l’algorithme d’apprendre et d’améliorer l’usage à venir : un cercle vertueux.

Lien Vimeo : https://vimeo.com/311856633.

Concrètement, notre app et notre moteur prennent quelle forme ?

Le relevé de performance du moteur fournit des prédictions de colis (palettes) avec un écart moyen de +/- 15% entre le nombre de colis (palettes) réel et prédit. Ces résultats sont issus d’une première version du moteur. Une optimisation est fortement envisageable, notamment par l’optimisation des paramètres.

10h11 est convaincue que le service, par l’usage, crée tout autant de valeur que la modélisation statistique (IA). C’est la complémentarité des deux qui font la valeur ajoutée des projets technologiques de demain. C’est dans cet objectif que nous traitons l’ensemble des problématiques que nos clients nous confient. Que ce soit pour Coca-Cola (voir l’étude de cas) ou encore Suez (voir l’étude de cas), notre volonté est de servir pour faciliter l’usage des technologies par la data dans une recherche d’optimisation de la performance.

La victoire à ce hackathon est une chose et elle nous rend fiers essentiellement par le fait d’avoir répondu aux besoins de Geodis. Accompagner le monde industriel dans sa pertinence est un leitmotiv puissant pour l’ensemble de notre équipe.

ESPACE CLIENT